diff --git a/README.md b/README.md
index cd0c5ddf..916b2b27 100644
--- a/README.md
+++ b/README.md
@@ -112,4 +112,14 @@ SecRandom 是面向课堂、团队、活动、决策等场景的公平抽取应
  </picture>
 </a>
 
+## 随机数机制解释
+
+> 例如我们要产生0~9之间的随机整数，像彩票摇奖那样，把10个质地和大小相同的号码球放入摇奖器中，充分搅拌后摇出一个球，这个球上的号码就称为随机数。计算器或计算机产生的随机数是按照确定的算法产生的数，具有周期性（周期很长），它们具有类似随机数的性质。因此， **计算器或计算机产生的随机数不是真正的随机数**  ，我们称它们为 **伪随机数** 。
+> 
+> ——《普通高中教科书 人教版 数学 必修二》
+>
+
+> 注解
+> 现代计算机一般采用特定的算法，其中一个经典代表是**梅森旋转**(Mersenne Twister)算法（因其安全性问题，在密码学一类的高安全性要求的场景下已基本换用为CSPRNG），基于种子生成一个无限长或在实际使用中近乎无限长（例如梅森旋转算法的算法呈周期性，但其算法周期极长）的伪随机序列,随后点名程序从其中选择参考值。这个序列通常表现为近随机分布，即在表观上无统计学规律。当熵源来自于真随机（例如由量子力学测量不确定性催生的量子随机数生成器；或来自于热噪声的硬件随机数发生器，其理论不确定性较量子随机数发生器稍弱）源时，根据此种子生成的随机序列中的元素在安全性层面（在随机数生成算法足够可靠时）可以近似视为真随机数的安全性（实际上是其衍生物，但理论上外界无法预测或操纵）。但仅应将直接真随机熵源视为真随机数。
+
 **Copyright © 2025-2026 SECTL**